読みたい本がいくつか積読してしまったのでリストアップした【2018年8月～】

タイトル通りです。
自分なりにリストアップして、これで優先度をつけていこうかな

【暗号理論入門　原書第3版】

暗号理論入門 原書第3版

暗号について体系的に学習したくて。
目次：暗号理論入門 暗号アルゴリズム，署名と認証，その数学的基礎/Ｊ．Ａ．ブーフマン - 紙の本：honto本の通販ストア

離散対数あたりまでなので、楕円曲線についてはこちらも読まなくちゃですね。

楕円曲線論入門

【ランダム行列の数理と科学】

ランダム行列の数理と科学

ランダム行列だけっていう本はほとんど無いので、ランダム行列がどんな説明されているのか読みたいです。

【進化計算アルゴリズム入門】

進化計算アルゴリズム入門 生物の行動科学から導く最適解

進化計算アルゴリズム入門 生物の行動科学から導く最適解 | 理工学専門書,情報科学,知識科学・人工知能 | Ohmsha

目次や概要から察するに、確かに入門というか初心者レベルまで掘り下げられてるのでは。

進化計算っていうと「コンピュータが進化している」みたいな感じで、印象付けにはよさそうですよね。
流行の機械学習と別なベクトルっぽいですし。

【自然現象】

自然現象から学ぶ微分方程式

ランダムウォーク はじめの一歩: 自然現象の解析を見すえて

Nature of Code -Processingではじめる自然現象のシミュレーション-

自然現象＋数理っていう組み合わせで物理以外の視点で触ってみたいので、一応体系的に学ぶためにこの3冊をピックアップしてみました。

3冊読むって思うと大変かもしれないけど、実際は想像できるものが多いので読むだけならあっという間かなぁと思いました

【R+時系列分析】

時系列分析と状態空間モデルの基礎: RとStanで学ぶ理論と実装

基礎からわかる時系列分析 ―Rで実践するカルマンフィルタ・MCMC・粒子フィルター (Data Science Library)

カルマンフィルタ ―Rを使った時系列予測と状態空間モデル― (統計学One Point 2)

カルマンフィルタについてと、時系列分析については一切知らないので基礎付けと実装をRで学習できそう

【Stan】

StanとRでベイズ統計モデリング (Wonderful R)

RついでにStanとベイズ統計モデリングについても学習

というと、

ベイズモデリングの世界

Pythonによるベイズ統計モデリング: PyMCでのデータ分析実践ガイド

データ解析のための統計モデリング入門――一般化線形モデル・階層ベイズモデル・MCMC (確率と情報の科学)

これのどれかも読みたいです。

『データ解析のための統計モデリング入門』のほうは結構有名みたいなのでさらっと読むのは価値が高そうです。

1. 暗号理論
2. ランダム行列の数理と科学
3. 進化計算アルゴリズム入門
4. 自然現象
5. R+時系列分析
6. Stanとベイズ統計モデリング

もし、これは読んだか？って本があったら教えてください。

体系的に学ぶってのはある種、呪いがあるので、ちょっと順序を崩して
読みやすい順にしようかなと思います。

なので、

自然現象→進化計算→ランダム行列→暗号理論→R＋時系列→Stanとベイズ統計モデリング

この順番で読んでいこうと思います。